Lo Que Ando Haciendo
Esta edición es mi “stand-up”: un resumen de todo lo que he construido y aprendido en las últimas dos semanas desde la última vez que nos leímos.
Esta semana alcancé un nuevo nivel de zen‑productividad: puedo agarrar un ticket, codear la solución y escribir la doc técnica + user guide en 20 min. Al mismo tiempo, en otra terminal hago code‑review a la merge request de mi compa y aguanto una junta de Zoom que todavía no logro automatizar. No sólo termino antes: ahora ejecuto cosas que hace un año ni siquiera podía considerar. Y como es cierre de año fiscal, le pedí a Claude Code que escanee todos mis commits, resuma mis aportes y los agrupe por categorías alineadas con los valores de la empresa—performance review listo en cuestiones de minutos.
Esta edición es mi “stand-up”: un resumen de todo lo que he construido y aprendido en las últimas dos semanas desde la última vez que nos leímos.
“El ego es una cárcel de donde muy pocos quieren escaparse” — Muelas de Gallo (Cárcel, 2017)
Cuatro clases para el Bootcamp de Ingeniería de Datos de Código Facilito
GitHub Actions → Data Orquestador
Sobre-ingeniería clásica: Montar un clúster de Airflow porque "enterprise" suena pro.
La realidad: La mayoría de los pipelines son cron jobs con ropa cara.
La realidad con IA: Un prompt →
ci.ymlprobado por miles; ship sin drama.
RBAC sin Drama
Sobre-ingeniería clásica: Semanas diseñando permisos "únicos".
La realidad: Tres roles cubren 90 % de los casos.
La realidad con IA: El modelo conoce cada patrón RBAC; solo empareja tu contexto.
Comunicación efectiva para audiencias no técnicas
Sobre-ingeniería clásica: Presentaciones desde cero porque la audiencia es "especial".
La realidad: Cada equipo tech presenta a execs; hay plantillas.
La realidad con IA: Le das contenido + persona y devuelve narrativa aprobada por CFOs.
Comunicación efectiva para audiencias técnicas
Sobre-ingeniería clásica: Documentación artesanal porque tu proyecto es "diferente".
La realidad: Los patrones de comunicación técnica son universales.
La realidad con IA: El modelo detecta tu stack y aplica formatos probados; README listo.
Lo que ando aprendiendo
Acepté que mis “problemas” son tortillas de Costco: producidas en masa.
Por ejemplo, yo trabajo en una non‑profit ed‑tech de la Bahía de San Francisco enfocada en family engagement. Aun con todos esos calificadores — non‑profit, ed‑tech, engagement familiar, San Francisco — y aunque agregue más ("usamos Snowflake", "usamos dbt", etc.), existen cientos de personas con el mismo set‑up. Mis problemas no son únicos; las soluciones ya están escritas. Mi verdadero trabajo es mapearlas y aplicarlas.
El truco real de la IA: devolver plantillas probadas en segundos. Tu chamba es describir bien el contexto.
Playbook: de idea nebulosa a PR mergeado — y sólo soy yo en una tarde
Búsqueda de vocabulario Partí de: “Necesito insights de conversaciones… pero ningún mensaje está agrupado”. Conté a ChatGPT mi stack (Snowflake, dbt, Python) y la IA me educó: conceptos como conversation analysis, functional conversation boundaries, utterance‑role labeling. De cero a saber “cómo se llama lo que quiero”.
Preguntar como expertx Con ese léxico, abrí otro chat y pedí: “Diseña un pipeline para etiquetar 1B+ mensajes y extraer insights de conversaciones family/staff”. Me regresó un blueprint: embeddings Snowflake Arctic a escala, clustering k-means con scikit-learn, labeling vía prompt‑engineering multilingüe, modelos de dbt para conversation_id y speaker_role, orquestación en dbt Cloud.
Implementación asistida Copié el blueprint a Claude Code con permisos de escritura. En minutos: scripts Python paginados, YAML CI/CD, tests pytest y hooks dbt. Ajusté secrets y namespacing; pipeline corriendo en staging.
Code review experto /review en Cloud Code lanzó lint, test coverage y recomendaciones de índices. Dos cambios menores, push → merge.
Resultado: algo que requeriría un PhD en NLP + equipo de data engineers… hecho por mí, una tarde de café.
Lo que ando usando
Tres mini‑workflows de Claude Code que me ahorran horas y puedo compartir en un par de clics. Claude Code, por si no lo conoces, es una herramienta CLI de Anthropic - es un agente de IA en tu terminal.
/issue— Abro Claude Code, escribo/issue blah blah blahy suelto la idea en bruto. El bot genera un issue limpio: título, contexto, criterios de aceptación y etiquetas. Yo sólo corrijo./implement— El comando planea la solución, crea una branch nombrada, ve el estado de mi código local, implementa la solución, corre tests y abre la pull request con una descripción mejor que cualquiera que haya escrito en mi vida./review— Le paso la PR; corre code review automático: linting, comentarios puntuales y status checks. Llego a “Merge” con dos clics.A veces cuando en la review hay cosas por arreglar simplemente regreso a la terminal donde hice
/implementy le digo “Ya dejé una code review en la PR, ¿puedes leerla e implementar las sugerencias?” y luego la vuelvo a hacer/review
Menos fricción, más shipping.
Lo que ando horneando
Tengo cuatro proyectos personales en marcha, todos creados para resolver mis propios dolores. En plena era de la IA cualquiera puede forjar sus propias herramientas, workflows y frameworks sin pedir permiso. Si te interesa este camino —y tienes más ideas que tiempo y creatividad que experiencia— busca el post de hace dos ediciones donde invité a gente con esa vibra y ponte en contacto.
Amoxcalli — Diario personal con IA orientado a mentes neurodivergentes: captura texto, audio e imagen, genera metadatos (estado de ánimo, tags) y patrones de reflexión con total privacidad. Arquitectura cloud-native en Next.js + Supabase RLS; datos siempre exportables.
Fieldnotes — Constructor creativo de lecciones: define intención emocional, recibe sugerencias de bloques, arrastra y suelta actividades y publica a biblioteca remixable. Motor multi-proveedor (OpenAI/Gemini/Claude) y sistema de personas docentes con reflexiones post-clase.
Alnilam — Coach de carrera con IA: sistema Git‑native en fase de diseño; Cloudflare Workers + Supabase Edge Functions + endpoints ChatGPT alimentan una interfaz CLI para planear, rastrear y ajustar objetivos profesionales.
Workbench — App macOS StudyBuddy: importa paquetes de investigación, los parsea a checklist, captura notas multi-modal (editor, overlay, dictado) y resume con IA; vault JSON/SQLite en iCloud y UI SwiftUI minimalista.
La vibra detrás de todos estos proyectos es simple: si ya eres experto en algo, la IA no viene a reemplazar tu oficio, sino a multiplicarlo por cien. La meta es tomar lo que ya sabemos hacer y amplificarlo con modelos que automatizan lo tedioso y nos dejan concentrarnos en lo que importa.
Lo que puedes hacer
En lugar de un reto genérico, prueba este prompt‑entrevista: copia y pégalo en ChatGPT, Claude o Gemini y deja que la IA saque tu radiografía profesional.
Actúa como entrevistador experto en productividad con IA.
— Paso 1: Hazme preguntas para entender (a) mi rol y sector, (b) tareas diarias y herramientas, (c) nivel de experiencia, (d) procesos tediosos, y (e) un proyecto o tema que me apasione.
— Paso 2: Cuando tengas contexto suficiente, responde con tres bloques:
1️⃣ Patrones resueltos parecidos al mío (máx. 5, con una línea de explicación cada uno).
2️⃣ Templates o checklists reutilizables que podría implementar ya mismo (máx. 3).
3️⃣ Ejemplos de prompts para LLM que aceleren mi proceso tedioso (máx. 3, claros y copy‑paste ready).
Limita cada bloque a 200 palabras. Empieza saludando y lanza la primera pregunta.Ay’tamos.
- Sergio